时间序列预测：Prophet模型

目录

1. 简介

2. 适用条件

3. 安装教程

4. 使用详解

5. 参考内容

---

1. 简介

        Prophet是FaceBook开源的时序框架，目前支持R语言和python语言。托管在github上。

        Prophet的原理是分析各种时间序列特征：周期性、趋势性、节假日效应，以及部分异常值。Prophet充分的将业务背景知识和统计知识融合起来，它让我们可以用简单直观的参数进行高精度的时间序列预测，并且支持自定义季节和节假日的影响。

        趋势性方面，它支持加入变化点，实现分段线性拟合；周期方面，它使用傅里叶级数（Fourier series）来建立周期模型(sin+cos)；在节假和突发事件方面，用户可以通过表的方式指定节假日，及其前后相关的N天。可将Prophet视为一种针对时序的集成解决方案。

       时间序列模型可分解为三个主要组成部分：趋势，季节性和节假日。它们按如下公式组合：

                                    

• g(t)：用于拟合时间序列中的分段线性增长或逻辑增长等非周期变化。
• s(t)：周期变化（如：每周/每年的季节性）。
• h(t)：非规律性的节假日效应（用户造成）。
• et：误差项用来反映未在模型中体现的异常变动。

    事实上，这是generalized additive model(GAM)模型的特例，但我们这里只用到了时间作为拟合的参数。

2. 适用条件

       并非所有的预测问题都可以通过同一种程序（procedure）解决。Prophet 是为我们在 Facebook 所遇到的业务预测任务而优化的，这些任务通常具有以下特点：

• 有至少几个月（最好是一年）的每小时、每天或每周观察的历史数据；
• 有多种人类规模级别的较强的季节性趋势：每周的一些天和每年的一些时间；
• 有事先知道的以不定期的间隔发生的重要节假日（比如国庆节）。
• 缺失的历史数据或较大的异常数据的数量在合理范围内；
• 有历史趋势的变化；
• 对于数据中蕴含的非线性增长的趋势都有一个自然极限或饱和状态。

3. 安装教程

 windows环境

1. Python 3.5或更高版本（推荐使用anaconda）
2. 更新Microsoft .NET Framework到4.5.1以上版本（C++ 编译器需要）
3. 安装C++编译器Visual C++ Build Tools2015（在安装 PyStan前需要安装C++编译器）
4. 安装 pystan库（pip install pystan）
5. 安装fbprophet库（conda install -c conda-forge fbprophet）

 Linux环境
      在Ubuntu系统中可通过以下命令安装prophet：

       $ sudo apt-get install fbprophet

4. 使用详解

       时间序列模型Prophet使用详细讲解

时间序列预测其他方法： GBDT

5. 参考内容

（1）Prophet官方文档

（2）Prophet()参数说明、调参经验、优点

（3）Windows下安装Python版本的prophet